ਇਹ ਸੰਭਾਵਨਾ ਨਹੀਂ ਹੈ ਕਿ ਕੋਈ ਵੀ ਇਸ ਤੱਥ ਨਾਲ ਬਹਿਸ ਕਰੇਗਾ ਕਿ ਕਸਟਮ ਐਲਐਸਆਈ (ਏਐਸਆਈਸੀ) ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨਾ ਇੱਕ ਸਧਾਰਨ ਅਤੇ ਤੇਜ਼ ਪ੍ਰਕਿਰਿਆ ਤੋਂ ਬਹੁਤ ਦੂਰ ਹੈ. ਪਰ ਮੈਂ ਚਾਹੁੰਦਾ ਹਾਂ ਅਤੇ ਇਸਨੂੰ ਤੇਜ਼ ਕਰਨ ਦੀ ਲੋੜ ਹੈ: ਅੱਜ ਮੈਂ ਇੱਕ ਐਲਗੋਰਿਦਮ ਜਾਰੀ ਕੀਤਾ, ਅਤੇ ਇੱਕ ਹਫ਼ਤੇ ਬਾਅਦ ਮੈਂ ਮੁਕੰਮਲ ਡਿਜੀਟਲ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਲੈ ਲਿਆ. ਤੱਥ ਇਹ ਹੈ ਕਿ ਉੱਚ ਵਿਸ਼ੇਸ਼ LSI ਲਗਭਗ ਇੱਕ-ਬੰਦ ਉਤਪਾਦ ਹਨ. ਲੱਖਾਂ ਦੇ ਬੈਚਾਂ ਵਿੱਚ ਇਹਨਾਂ ਦੀ ਬਹੁਤ ਘੱਟ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜਿਸ ਦੇ ਵਿਕਾਸ 'ਤੇ ਤੁਸੀਂ ਜਿੰਨਾ ਚਾਹੋ ਪੈਸਾ ਅਤੇ ਮਨੁੱਖੀ ਸਰੋਤ ਖਰਚ ਕਰ ਸਕਦੇ ਹੋ, ਜੇ ਇਹ ਸਭ ਤੋਂ ਘੱਟ ਸਮੇਂ ਵਿੱਚ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ. ਵਿਸ਼ੇਸ਼ ASICs, ਅਤੇ ਇਸਲਈ ਉਹਨਾਂ ਦੇ ਕਾਰਜਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ, ਵਿਕਸਤ ਕਰਨ ਲਈ ਸਸਤੇ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ, ਜੋ ਕਿ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਦੇ ਵਿਕਾਸ ਦੇ ਮੌਜੂਦਾ ਪੜਾਅ 'ਤੇ ਮੈਗਾ-ਪ੍ਰਸੰਗਿਕ ਬਣ ਰਹੇ ਹਨ। ਇਸ ਮੋਰਚੇ 'ਤੇ, ਕੰਪਿਊਟਰ ਮਾਰਕੀਟ ਦੁਆਰਾ ਇਕੱਠੇ ਕੀਤੇ ਸਮਾਨ ਅਤੇ, ਖਾਸ ਤੌਰ 'ਤੇ, ਮਸ਼ੀਨ ਸਿਖਲਾਈ (ML) ਦੇ ਖੇਤਰ ਵਿੱਚ GPU ਸਫਲਤਾਵਾਂ ਨੂੰ ਹੁਣ ਟਾਲਿਆ ਨਹੀਂ ਜਾ ਸਕਦਾ ਹੈ।
ML ਕੰਮਾਂ ਲਈ ASICs ਦੇ ਡਿਜ਼ਾਈਨ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਲਈ, DARPA ਇੱਕ ਨਵਾਂ ਪ੍ਰੋਗਰਾਮ ਸਥਾਪਤ ਕਰ ਰਿਹਾ ਹੈ - ਰੀਅਲ ਟਾਈਮ ਮਸ਼ੀਨ ਲਰਨਿੰਗ (RTML)। ਰੀਅਲ-ਟਾਈਮ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ ਇੱਕ ਕੰਪਾਈਲਰ ਜਾਂ ਸੌਫਟਵੇਅਰ ਪਲੇਟਫਾਰਮ ਵਿਕਸਤ ਕਰਨਾ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ ਜੋ ਇੱਕ ਖਾਸ ML ਫਰੇਮਵਰਕ ਲਈ ਆਪਣੇ ਆਪ ਇੱਕ ਚਿੱਪ ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰ ਸਕਦਾ ਹੈ। ਪਲੇਟਫਾਰਮ ਨੂੰ ਆਪਣੇ ਆਪ ਹੀ ਪ੍ਰਸਤਾਵਿਤ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਐਲਗੋਰਿਦਮ ਅਤੇ ਇਸ ਐਲਗੋਰਿਦਮ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਡੇਟਾ ਸੈੱਟ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਜਿਸ ਤੋਂ ਬਾਅਦ ਇਸਨੂੰ ਇੱਕ ਵਿਸ਼ੇਸ਼ ASIC ਬਣਾਉਣ ਲਈ ਵੇਰੀਲੌਗ ਵਿੱਚ ਕੋਡ ਤਿਆਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ML ਐਲਗੋਰਿਦਮ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਚਿੱਪ ਡਿਜ਼ਾਈਨਰਾਂ ਦਾ ਗਿਆਨ ਨਹੀਂ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਡਿਜ਼ਾਈਨਰ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਦੇ ਸਿਧਾਂਤਾਂ ਤੋਂ ਘੱਟ ਹੀ ਜਾਣੂ ਹੁੰਦੇ ਹਨ। RTML ਪ੍ਰੋਗਰਾਮ ਨੂੰ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਕਿ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਲਈ ਇੱਕ ਸਵੈਚਲਿਤ ASIC ਵਿਕਾਸ ਪਲੇਟਫਾਰਮ ਵਿੱਚ ਦੋਵਾਂ ਦੇ ਫਾਇਦੇ ਮਿਲਾਏ ਗਏ ਹਨ।
RTML ਪ੍ਰੋਗਰਾਮ ਦੇ ਜੀਵਨ ਚੱਕਰ ਦੇ ਦੌਰਾਨ, ਲੱਭੇ ਗਏ ਹੱਲਾਂ ਨੂੰ ਦੋ ਮੁੱਖ ਐਪਲੀਕੇਸ਼ਨ ਖੇਤਰਾਂ ਵਿੱਚ ਟੈਸਟ ਕਰਨ ਦੀ ਲੋੜ ਹੋਵੇਗੀ: 5G ਨੈੱਟਵਰਕ ਅਤੇ ਚਿੱਤਰ ਪ੍ਰੋਸੈਸਿੰਗ। ਨਾਲ ਹੀ, RTML ਪ੍ਰੋਗਰਾਮ ਅਤੇ ML ਐਕਸੀਲੇਟਰਾਂ ਦੇ ਆਟੋਮੈਟਿਕ ਡਿਜ਼ਾਈਨ ਲਈ ਬਣਾਏ ਗਏ ਸਾਫਟਵੇਅਰ ਪਲੇਟਫਾਰਮਾਂ ਦੀ ਵਰਤੋਂ ਨਵੇਂ ML ਐਲਗੋਰਿਦਮ ਅਤੇ ਡੇਟਾਸੈਟਾਂ ਨੂੰ ਵਿਕਸਤ ਕਰਨ ਅਤੇ ਟੈਸਟ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾਵੇਗੀ। ਇਸ ਤਰ੍ਹਾਂ, ਸਿਲੀਕਾਨ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਵੀ, ਨਵੇਂ ਢਾਂਚੇ ਦੀਆਂ ਸੰਭਾਵਨਾਵਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ ਸੰਭਵ ਹੋਵੇਗਾ. RTML ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ DARPA ਦਾ ਪਾਰਟਨਰ ਨੈਸ਼ਨਲ ਸਾਇੰਸ ਫਾਊਂਡੇਸ਼ਨ (NSF) ਹੋਵੇਗਾ, ਜੋ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਸਮੱਸਿਆਵਾਂ ਅਤੇ ML ਐਲਗੋਰਿਦਮ ਦੇ ਵਿਕਾਸ ਵਿੱਚ ਵੀ ਸ਼ਾਮਲ ਹੈ। ਵਿਕਸਤ ਕੰਪਾਈਲਰ ਨੂੰ NSF ਵਿੱਚ ਤਬਦੀਲ ਕੀਤਾ ਜਾਵੇਗਾ, ਅਤੇ ਪਿੱਛੇ DARPA ਨੂੰ ML ਐਲਗੋਰਿਦਮ ਡਿਜ਼ਾਈਨ ਕਰਨ ਲਈ ਇੱਕ ਕੰਪਾਈਲਰ ਅਤੇ ਪਲੇਟਫਾਰਮ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਉਮੀਦ ਹੈ। ਭਵਿੱਖ ਵਿੱਚ, ਹਾਰਡਵੇਅਰ ਡਿਜ਼ਾਈਨ ਅਤੇ ਐਲਗੋਰਿਦਮ ਦੀ ਸਿਰਜਣਾ ਇੱਕ ਏਕੀਕ੍ਰਿਤ ਹੱਲ ਬਣ ਜਾਵੇਗੀ, ਜੋ ਮਸ਼ੀਨ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਉਭਾਰ ਵੱਲ ਅਗਵਾਈ ਕਰੇਗੀ ਜੋ ਅਸਲ ਸਮੇਂ ਵਿੱਚ ਸਵੈ-ਸਿਖਲਾਈ ਹਨ।
ਸਰੋਤ: 3dnews.ru